头歌课程总结—NumPy基础

type

status

date

slug

summary

什么是ndarray对象

ndarray的全称是N-Dimension Arrary，字面意义上其实已经表明了一个ndarray对象就是一个N维数组。但要注意的是，ndarray是同质的。同质的意思就是说 N维数组里的所有元素必须是属于同一种数据类型的 。 (PS: python中的list是异质的) 。

ndarray对象实例化好了之后，包含了一些基本的属性。比如shape，ndim，size，dtype。其中：

shape:ndarray对象的形状，由一个tuple表示；

ndim:ndarray对象的维度；

size:ndarray对象中元素的数量；

dtype:ndarray对象中元素的数据类型，例如int64，float32等。

来看个例子，假设现在有一个3行5列的矩阵（ndarray）如下：

那么该ndarray的shape是(3, 5)(代表3行5列)；

ndim是2(因为矩阵有行和列两个维度)；

size是15(因为矩阵总共有15个元素)；

dtype是int32(因为矩阵中元素都是整数，并且用32位整型足够表示矩阵中的元素)。

示例代码如下：

1 实例化ndarray对象

最为常用的函数是array，zeros，ones以及empty。

2 改变`ndarray`对象的形状

1 NumPy为我们提供了一个用来改变ndarray对象的shape的函数，叫 reshape

PS:不管是哪种方式的reshape，都不会改变原ndarray的形状，而是将源ndarray进行深拷贝并进行变形操作，最后再将变形后的数组返回出去。也就是说如果代码是np.reshape(a, (4, 3))那么a的形状不会被修改！

2 直接改变源ndarray的形状，可以使用resize函数

技巧：有的时候懒得去算每个维度上的长度是多少，比如现在有一个6行8列的ndarray，然后想把它变形成有2列的ndarray(行的数量我懒得去想)，此时我们可以在行的维度上传个-1即可

3 运算

算术运算

矩阵运算（逐个计算和矩阵乘法）

逐个计算

真正的矩阵乘法运算

4统计

1 简单统计（和，最大最小）

2 根据轴来统计

PS:当没有修改axis时，axis的值默认为None。意思是在统计时会把ndarray对象中所有的元素都考虑在内。

5 随机数生成

1 简单随机数

2 概率分布随机数

高斯/正态分布：

横轴为随机变量的值（在这里可以看成是产生的随机值），纵轴表示随机变量对应的概率（在这里可以看成是随机值被挑选到的概率）

其中normal函数除了size参数外，还有两个比较重要的参数就是loc和scale，它们分别代表高斯分布的均值和方差。loc影响的分布中概率最高的点的位置，假设loc=2，那么分布中概率最高的点的位置就是2。下图体现了loc对分布的影响，其中蓝色f分布的loc=0，红色分布的loc=5。

3 随机种子

随机数其实就是根据种子算出来的数

6 索引与切片

索引：略

遍历：

切片：

切片的语法，第一个数字是起始位置（默认为0），第二个数字是结束位置（默认为数组的最大索引值），第三个是抽取元素的间隔（默认为1，取-1为倒序）